[發明專利]一種基于優化控制平臺的神經網絡預測控制方法

在審

• 申請號: 202010329580.4
• 申請日: 2020-04-20
• 公開（公告）號: CN111582562A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 蘇燁;丁寧;孫堅棟;鄭可軻;董澤;姜煒;段亞燦;凌路加;張悅;孫明
• 申請（專利權）人: 杭州意能電力技術有限公司;國網浙江省電力有限公司電力科學研究院;華北電力大學（保定）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06F9/455;G06F9/52;G06F9/54;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于優化控制平臺的神經網絡預測控制方法，其特征在于：

所述優化控制平臺包括上位平臺和下位平臺，上位平臺將高級算法容器的各種信息保存至STL標準庫容器中，從而實現高級算法封裝，下位平臺采用多線程的結構來實現上下位數據交互以及高級算法運行功能，上下位數據交互則開啟通信線程，首先是廣播SAMA線程，此線程函數是將運算線程中每個模塊的運算結果廣播到上位平臺中；優化控制平臺支持兩種類型的高級算法容器，一種是C\C++類型的高級算法容器，另一種是Python類型高級算法容器；

神經網絡預測控制過程包括，

A、取被控對象一定輸入輸出范圍內的樣本，建立神經網絡的初始學習集；

B、根據控制對象選擇神經網絡的初始參數，包括層數和節點數；

C、神經網絡初始化，主要是網絡權值和閾值的初始化；

D、訓練LSTM神經網絡，得到神經網絡預測模型；

E、計算期望輸入的參考軌跡；

F、由神經網絡預測模型輸出，經反饋校正生成預測輸出；

G、計算預測誤差；

H、求二次性能函數，獲得最優控制解，跳轉至步驟E，從而不斷調整控制信號。

2.一種權利要求1所述的基于優化控制平臺的神經網絡預測控制方法，其特征在于：步驟D中，預測模型LSTM的建立包括以下步驟，

D1、初始化LSTM模型參數，權值初始化；

D2、給定用于訓練的輸入向量和目標輸出向量；

D3、正向計算神經網絡各層的輸出，得到系統實際輸出和預測輸出的誤差；

D4、計算反向傳播誤差信號，同時調整神經網絡各層權值系數；

D5、如果誤差不符合系統給定標準誤差值，返回步驟D3繼續訓練調整權值系數。

3.根據權利要求2所述的基于優化控制平臺的神經網絡預測控制方法，其特征在于：上位平臺利用MFC語言搭建人機交互界面，提供工程師站和操作員站的各項功能；在VS2017平臺上借助微軟提供的Windows SDK，實現上位平臺在Win7/Win10系統上的兼容；同時借助PC機的雙網卡配置，實現雙網段的冗余，保證在線命令下發和在線接收下位廣播參數的可靠性；在上位平臺上利用共享內存代替extreDB數據庫，通過嚴謹的數據結構，實現各進程之間數據的共享與交互，保證數據的高效讀寫。

4.根據權利要求3所述的基于優化控制平臺的神經網絡預測控制方法，其特征在于：下位平臺硬件由控制單元控制站、工業電源、交換機組成，均為雙冗余結構設計，其中控制單元控制站由高運算能力處理器芯片、內存、固態硬盤以及串口、網口、USB口、VGA口等輸入輸出接口組成；控制單元內部運行Linux嵌入式操作系統，在windows平臺上通過VS2017遠程對目標機進行編程調試，最終實現SAMA運算、卡件通訊、廣播、指令下發、主從冗余、文件下裝等功能。

5.根據權利要求4所述的基于優化控制平臺的神經網絡預測控制方法，其特征在于：優化控制平臺采用FTP協議進行文件下裝；在上位平臺進行離線組態之后，將控制策略文件和數據庫文件下裝到下位平臺；采用FTP作為傳輸協議，支持跨平臺傳輸數據，提高系統的可移植性；優化控制平臺采用TCP協議進行在線命令下發；上位平臺通過TCP報文的方式將系統指令下發給下位平臺，保證命令下發的可靠性和穩定性；優化控制平臺采用UDP協議進行在線參數廣播；下位平臺通過UDP報文的方式將運行結果和現場參數廣播給上位平臺，支持多套下位平臺同時在線運行，保證數據傳輸的實時性和高效性。

6.根據權利要求5所述的基于優化控制平臺的神經網絡預測控制方法，其特征在于：打開上位平臺時，依次讀取放置在系統全局變量路徑中的文件，將文件中保存的信息初始化到保存高級算法的向量中；上位平臺中，高級算法容器在排序過程中與普通的運算模塊執行一致的過程函數進行排序，并將排序信息保存到下裝文件中，同時高級算法模塊的使用同普通運算模塊的使用方法完全一致；高級算法通過FTP或者文件拷貝的形式發送到下位平臺中，下位平臺在運行時，將高級算法中的代碼映射到程序的共享庫內存映射區域，實現高級算法運行功能。